暴雨定点、定量模块化智能计算集合预报建模理论方法研究

There are less nonlinear intelligence prediction modeling approaches for the fixed-point and quantitative rainstorm prediction in the present interpretation and application of numerical prediction products, and for the widely used elimination method, it is difficult to avoid the mutual restriction problems that "false alarms are predominated for avoiding missing alarms" and "missing alarms are predominated for avoiding false alarms" because of the small probability of heavy rainfall of rainstorm, as well as there are certain types of uncertainty in the traditional single linear and nonlinear forecast models, therefore, the relevant attributes of physical quantities predictors of numerical prediction products are analyzed using information gain of information theory and fuzzy rough sets and based on European Center, T639 and Japanese numerical prediction products. The taxonomic modular fuzzy rough sets are developed by means of the attribute analysis of distinct matrix for different intensity of precipitation, and the model input constructed for heavy rainfall prediction is different from that for not heavy rainfall prediction. Moreover, modular fuzzy neural network ensemble prediction model based on the interpretation and application of numerical prediction products has been developed for different intensity of precipitation, by employing Ant colony algorithm and nonlinear dimensionality reduction. This model provides a new fixed-point and quantitative forecast modeling method for the interpretation and application of numerical prediction products of rainstorm with and without heavy rainfall.

以欧洲中心、T639或日本等数值预报模式产品为基础，针对目前的数值预报产品释用预报，对于暴雨定点、定量预报缺少非线性智能计算预报建模方法问题，以及由于暴雨强降水释用预报通常都会遇到强降水发生概率小，常用的消空方法难以回避“宁空少漏”和“宁漏少空”的相互制约矛盾，以及传统的单个线性和非线性释用预报模型存在不确定性等问题，拟采用信息论的信息增益计算分析与模糊-粗集理论方法对数值预报产品物理量预报因子集的相关属性进行计算分析研究。通过对不同强度降水的可辨识矩阵属性分析，进行模块化模糊-粗集的分类研究，并采用对暴雨和非强降水分而治之的思想，构建不同属性特征的预报模型输入矩阵。进一步在预报建模方法上利用蚁群算法和非线性降维等智能计算技术，分别建立不同强度降水的模块化模糊神经网络预报产品释用集合预报模型，创建一种可以分类处理暴雨和非强降水的定点、定量数值预报产品释用新的预报建模理论方法。

本项目已按原计划全面完成了研究任务，主要内容如下：. （1）研究期间共完成研究论文18篇，其中已发表论文15篇，送审论文3篇；取得软件著作权登记2项。在已公开发表的15篇论文中，2篇论文SCIE收录，4篇论文EI收录。. （2）通过围绕本项目内容开展研究工作，项目组培养博士研究生1名，硕士研究生2名；在职称晋升方面，项目主持人林开平由三级晋升为二级正研级高级工程师；1名项目组主要成员由副研级高级工程师晋升为正研级高级工程师，并于2019年成为第二十二批广西十百千人才工程第二层次人选；2名成员由工程师晋升为副研级高级工程师；1名成员由工程师晋升为副教授。. （3）主要研究内容及创新特色：以国内外多种数值预报模式产品为基础，采用信息论的信息增益计算分析方法与模糊-粗集理论方法，对数值预报产品物理量预报因子集的所有相关属性进行计算分析，并通过对不同强度降水预报有重要影响的因子属性分析，进行模块化模糊-粗集的分类研究，对强降水和非强降水分而治之的预报因子进行了计算分析。在预报建模方法上建立一套以非线性智能计算技术为基础的数值预报产品新的降水释用集合预报建模理论方法和预报模型：其中包括基于最大相关最小冗余度和随机森林算法的ECMWF集合预报释用预报模型；基于信息增益的模块化模糊神经网络暴雨释用预报模型；粒子群－支持向量回归降水集合的数值预报产品释用预报模型；基于流形学习方法的神经网络广西台风暴雨预报模型，为改进和提高暴雨强降水的客观定点、定量释用预报水平提供了一种新的有效途径。. （4）依据本项目创建的暴雨预报建模新方法，项目组进一步研制了“广西智能计算暴雨强降水集成客观预报系统”。该暴雨强降水预报系统在实际预报中的预报效果明显好于同区域、同时段欧洲数值预报模式的预报效果。这种新的客观、自动化非线性智能计算预报系统，对于非线性智能计算方法在暴雨预报中的实际业务应用示范以及有效提高暴雨预报准确率均具有重大意义。